- •Теоретическая часть
- •1. Основные понятия
- •Понятие о нижней и верхней цене игры. Решение игры в чистых стратегиях
- •2. Строго детерминированные игры
- •3. Нестрого детерминированные игры
- •Игра с матрицей h2х2.
- •3.2. Графическое решение матричной игры
- •Алгоритм геометрического решения игры 2×n
- •Алгоритм геометрического решения игры м×2
- •6. Игры с природой
- •6.1. Принятие решений в условиях риска
- •6.1.1 Критерий Баейса относительно выигрышей
- •6.1.2 Критерий Баейса относительно рисков
- •6.2. Частные случаи критерия Баейса
- •6.2.1 Критерии Лапласа относительно выигрышей и относительно рисков
- •6.2.2 Критерии относительных значений вероятностей состояний природы с учетом выигрышей и с учетом рисков
- •Решение задач в условиях неопределенности
- •7. Принятие решений в условиях неопределенности
- •7.1 Обобщенный критерий пессимизма-оптимизма Гурвица относительно выигрышей с коэффициентами 1, 2 , ... n
- •7.2 Частные случаи обобщенного критерия пессимизма-оптимизма Гурвица относительно выигрышей
- •7.2.1 Критерий Вальда (критерий крайнего пессимизма)
- •7.2.2 Максимаксный критерий (критерий крайнего оптимизма)
- •7.2.3. Критерий пессимизма-оптимизма Гурвица относительно выигрышей с показателем оптимизма (0,1)
- •7.3. Обобщенный критерий пессимизма-оптимизма Гурвица относительно рисков с коэффициентами 1, 2 , ... n
- •7.4 Частные случаи обобщенного критерия пессимизма-оптимизма Гурвица относительно рисков
- •7.4.1.Критерий пессимизма-оптимизма Гурвица относительно рисков с показателем оптимизма (0,1)
- •7.4.2. Критерий Сэвиджа (критерий крайнего пессимизма)
- •7.4.3. Миниминный критерий (критерий крайнего оптимизма)
- •Библиографический список Основная литература
- •Дополнительная литература
- •Электронные ресурсы
- •Зависимость дохода предприятия
- •Задачи линейного программирования
7. Принятие решений в условиях неопределенности
Особенность принятия решения в условиях полной неопределенности состоит в том, что вероятности, с которыми природа может принимать какое-то свое состояние Пj , j =1,...,n, неизвестны и нет никакой возможности получить о них какую-либо статистическую информацию.
7.1 Обобщенный критерий пессимизма-оптимизма Гурвица относительно выигрышей с коэффициентами 1, 2 , ... n
Пусть имеется матрица игры с природой. Переставим выигрыши ai1,ai2,...,ain каждой стратегии Ai , расположив их в неубывающем порядке. Обозначим элементы полученной матрицы через bij, а саму матрицу через B, т.е. bi1 ≤ bi2 ≤ .., ≤ bin . Пусть числа 1, 2 , ... n удовлетворяют условиям:
,
j
≥ 0 ,
j =1,...,n
Методы выбора коэффициентов 1, 2 , ... n :
1.
Число. р
называется
показателем пессимизма, а
число.
о
-
показателем оптимизма, где
,
,
р
+ о
= 1,
[n/2] – целая часть числа n/2.
Числа 1, 2 , ... n выбираются субъективным образом, причем так, чтобы в опасной ситуации р был ближе к 1, о к 0; в безопасной ситуации наоборот.
2. Можно числа 1, 2 , ... n выбрать через элементы bij:
а)
В опасной ситуации j
выбирается так:
,
где
,
,
j =1,...,n
б)
В безопасной ситуации j
выбирается так:
,
j =1,...,n.
Показателем
эффективности
стратегии по рассматриваемому критерию
называется число Gi
(1,
2
, ... n)
=
,
i=1…m.
Оптимальной среди чистых стратегий является стратегия, показатель эффективности Gi (1, 2 , ... n) которой максимален.
Замечание: несмотря на то, что стратегия оптимальная среди чистых стратегий по критериям Гурвица относительно выигрышей и относительно рисков, не является оптимальной по тем же критериям среди смешанных стратегий игрока A, в данном методическом пособии случаи смешанных стратегий рассматриваться не будут.
7.2 Частные случаи обобщенного критерия пессимизма-оптимизма Гурвица относительно выигрышей
7.2.1 Критерий Вальда (критерий крайнего пессимизма)
Критерий Вальда есть частный случай обобщенного критерия пессимизма-оптимизма Гурвица относительно выигрышей. В этом критерии коэффициенты выбираются так: 1 = 1, 2 = ... =n =0. Этот критерий ориентирует игрока A на наихудшие для него состояния природы.
Если
подставить эти коэффициенты в показатель
критерия Гурвица относительно выигрышей,
можно получить показатель
эффективности Wi
чистой
стратегии Ai:
Wi
(1,0,0…..0)= bi1
=
,
представляющий
собой минимальный выигрыш игрока A
при применении им стратегии Ai.
Оптимальной среди чистых стратегий по
критерию Вальда относительновыигрышей
является стратегия с максимальным
показателем эффективности.
7.2.2 Максимаксный критерий (критерий крайнего оптимизма)
Максимаксный критерий также есть частный случай обобщенного критерия пессимизма-оптимизма Гурвица относительно выигрышей. Здесь коэффициенты выбираются так: 1 = 2 = ... =n-1 =0, n =1. Этот критерий ориентирует игрока A на самые благоприятные для него состояния природы. Подставив эти коэффициенты в показатели критерия Гурвица относительно выигрышей, можно получить показатель эффективности Мi чистой стратегии Ai , представляющий собой максимальный выигрыш игрока A при применении им стратегии Ai.
Мi
(0,0,…,1) = bin
=
.
Оптимальной среди чистых стратегий по максимаксному критерию относительно выигрышей является стратегия с максимальным показателем эффективности.
